HP Vertica数据库加密后无法识别表数据字符集的技术问询

嘿，这问题我碰到过不少，给你捋清楚怎么处理：

首先得明确：AES加密后的数据是二进制格式（Vertica里一般是VARBINARY类型），本身已经脱离了字符类型的范畴，所以直接从加密数据里“识别”字符集是行不通的。我们得从两个方向入手：

一、查原始数据的字符集（不用解密） #

如果只是想知道加密前表/列的字符集设置，直接查Vertica的系统元数据就行，加密操作不会修改这些元数据：

• 查看整表的字符集设置：

SELECT table_name, character_set 
FROM v_catalog.tables 
WHERE table_name = '你的表名';

• 查看列级的字符集（更准确，因为同一表的不同列可能用不同字符集）：

SELECT column_name, data_type, character_set 
FROM v_catalog.columns 
WHERE table_name = '你的表名';

这里要注意：如果你的列是先加密后存储为VARBINARY，那原始列如果是VARCHAR类型，character_set字段会保留加密前的字符集配置（比如UTF8、ISO8859-1等）。

二、解密后验证字符集 #

如果你手里只有加密后的二进制数据，想确认解密后的字符集，那得先解密再判断：

1. 先解密数据：用Vertica的AES_DECRYPT函数还原原始数据（必须有正确的密钥）
2. 尝试用不同字符集转换，看哪个结果无乱码：

SELECT 
  CONVERT_FROM(AES_DECRYPT(加密列名, '你的密钥'), 'UTF8') AS utf8_result,
  CONVERT_FROM(AES_DECRYPT(加密列名, '你的密钥'), 'ISO8859-1') AS latin1_result
FROM 你的表名
LIMIT 10;

对比两个结果，没有乱码的那个就是对应的字符集。

另外也可以通过字节长度辅助判断：比如UTF8中中文、特殊字符通常占3-4字节，而ISO8859-1是单字节，你可以用LENGTH和CHAR_LENGTH函数对比：

SELECT 
  CHAR_LENGTH(CONVERT_FROM(AES_DECRYPT(加密列名, '你的密钥'), 'UTF8')) AS char_len,
  LENGTH(AES_DECRYPT(加密列名, '你的密钥')) AS byte_len
FROM 你的表名
LIMIT 10;

如果byte_len远大于char_len，大概率是UTF8这类多字节字符集。

关键提醒 #

• 没有解密密钥的话，完全没办法还原原始字符数据，也就没法判断字符集，这时候只能依赖表的元数据或者设计文档。
• Vertica的AES_ENCRYPT输出是二进制，所以加密后的列类型会从VARCHAR变成VARBINARY，这时候元数据里的character_set只对应原始列，和加密后的二进制数据无关。

内容的提问来源于stack exchange，提问作者mr_A